基于卷积神经网络的骨龄辅助评测技术  

作　　者：管骏 

机构地区：[1]四川大学视觉合成图形图像技术国防重点学科实验室,四川成都610064

出　　处：《科学技术创新》2021年第4期53-55,共3页Scientific and Technological Innovation

基　　金：2018年立项成都市科技局科研课题:基于深度神经网络的口腔低剂量CT图像去噪重建的研究与实现,项目编号:2018-YF05-00069-SN。

摘　　要：骨龄可以用来判断未成年人生长发育情况,其也是辅助运动员选拔以及司法鉴定中确定年龄,衡量骨骼发育水平的重要指标。当前,大多数骨龄评估方法都是根据当今医学骨龄评测标准对手骨图像进行人工分析来计算,缺点是过程复杂,耗时长且易受个人主观影响。本文通过卷积神经网络实现了自动检测评估公开集中手骨图片的骨龄,方法是利用YOLOv3-SPP框架标定关键区域,训练得到的关键区域框截图并调整姿态组成新的图片,通过骨龄评价网络训练得到预测骨龄,并且计算误差在1岁以内的准确率,结果得到测试集中误差在±1岁的准确率:男性87.15%,女性85.38%。其证明了深度学习方法在青少年骨龄评价的具有不错的骨龄评价准确率,相比于人工更具有耗时短的优点,并且本文设计了手骨识别软件,实现了骨龄评价模型的全自动骨龄评价,用来进行验证本文方法的可行性。

关 键 词：深度学习 骨龄 手骨图片 全自动骨龄评价 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]